RIPROGETTAZINE DEL PROCESSO DI PIANIFICAZIONE DELLA PRODUZIONE PER YVES SAINT LAURENT PELLETTERIA

A1

Previsione della domanda.

La previsione della domanda di prodotti e servizi, costituisce un’importanza strategica nei processi di progettazione e gestione di tutta la supply chain.Su di essa infatti si fondono numerose scelte riguardanti : la produzione e la distribuzione di beni, l’ acquisto dei macchinari, la determinazione dei piani di produzione, la scelta del numero e dell’ubicazione dei magazzini, la gestione delle scorte ecc…

L’obiettivo della trattazione svolta in questo capitolo, è quello di mostrare al lettore diverse tipologie di modelli applicativi per la previsione della domanda , focalizzando l’attenzione su quello utilizzato nella tesi.

Nel mercato attuale tutto è dinamico e le stesse condizioni al contorno, che sono quelle che poi determinano le strategie e le performance aziendali, variano anch’esse molto velocemente, per cui le previsioni che facciamo sono tanto più precise quanto più si riferiscono a periodi brevi entro i quali le variazioni di condizioni sono limitate, mentre più ci spostiamo verso orizzonti di lungo periodo e meno precise saranno le nostre previsioni perché i fattori variabili sono molti e l’azienda non è in grado di prevedere l’andamento per tutti. Per poter formulare una valida previsione della domanda si deve poter disporre delle serie storiche dei valori della domanda pregresse e si deve supporre che il futuro si comporti all’incirca come il passato , cioè gli eventi e le situazioni che hanno dato luogo ad un certo andamento della domanda nel passato potranno sostanzialmente ripetersi in maniera analoga in futuro.

Le tecniche di previsione della domanda possono essere classificate in due categorie principali:
metodi di tipo qualitativo

I metodi qualitativi di previsione sono basati sul giudizio umano e non si basano su un approccio matematico formalizzato. Essi sono più flessibili, in quanto possono adattarsi anche a contesti nuovi, possono tener conto di fattori difficilmente quantificabili, pure rilevanti nel processo di previsione ma soffrono spesso dell'errore umano a sovrastimare o sottostimare sistematicamente la domanda. Tra questi ricordo:

L’indagine di mercato: si basa su interviste a potenziali consumatori. Essa richiede competenze specialistiche , generalmente non disponibili all’interno dell’azienda ed è pertanto costosa e laboriosa.

La previsione fondata sull’opinione di esperti: le previsioni vengono sviluppate da un ristretto gruppo di esperti delle varie aree funzionali dell’azienda ( marketing, finanza e produzione) che interagiscono direttamente tra loro. La previsione viene sviluppata tramite incontri con scambi di idee ed informazioni tra managers di tutti i livelli.

Metodo Delphi: esso interpella qualificati esperti di diversi settori, cui propone la ripetizione di round ad interviste con questionari, cercando situazioni di confronto , verifica e discussione, per giungere poi ad una convergenza di scenari. Il metodo è utilizzato prevalentemente per valutare l’influsso sulla domanda di una categoria di prodotti da parte di cambiamenti economici e innovazioni tecnologiche.

I metodi previsione quantitativi impiegano, invece, modelli matematici e dati storici per prevedere la domanda. L’ipotesi base è che il futuro si assume uguale al passato. Esistono due tipi di metodi quantitativi : il metodo delle serie storiche ed il metodo degli indicatori economici.

Il metodo degli indicatori economici consiste nel ricercare un’espressione funzionale che pone in correlazione l’entità della domanda di un prodotto ad alcuni indicatori economici. Questi indicatori sono delle variabili che descrivono le condizioni economiche prevalenti in un determinato periodo di tempo. Esempi di indicatori sono: reddito nazionale lordo, reddito procapite, livello di occupazione, prezzi al consumo e all’ingrosso ecc. Se si indica con Y la domanda di un prodotto che si vuole prevedere e con Χ1,Χ2,...,Χ_n le n variabili che si suppone sono collegate ad Y , allora il metodo asserisce che : ) ,..., , ( 1 2 n f Y = Χ Χ Χ

Il metodo delle serie storiche è quello più comunemente impiegato per la

programmazione della produzione ed è il metodo che è stato utilizzato per l’analisi sulla definizione della copertura ottima ore lavorative . Mi sono occupato precisamente delle previsioni di lanciato , cioè delle stime delle quantità di prodotto collocabili sul parco fornitori in un periodo di tempo futuro. Con esse si intende conoscere in anticipo quale potrà essere la distribuzione e l’assorbimento dei prodotti, in modo da programmare i carichi lavorativi in linea con i target commerciali.

METODO DELLE SERIE STORICHE

Analisi della domanda

Abbiamo a disposizione un orizzonte storicoO_s, per il quale sappiamo come si è comportata la domanda D in funzione del tempo.

Occorre fare delle ipotesi: la prima è quella di ritenere che nel futuro la variabile si comporterà secondo la stessa legge che ha caratterizzato la serie storica nell’intervallo O_s. Questo significa ipotizzare che nell’orizzonte di previsione O_p la funzione f avrà la sessa espressione che nel passato; la seconda consiste nel considerare la domanda D(t) una somma funzionale:

) ( ) ( ) ( ) (t T t S t A t D = + +

T(t): Componente di trend, che tiene conto dell’andamento a lungo termine del valore medio della variabile in oggetto;

S(t) Componente di stagionalità, che tiene conto delle variazioni della variabile in oggetto che si ripetono ad intervalli regolari attorno al valore medio di base,

A(t): Componente di aleatorietà, considera gli scostamenti delle variabili del valore che essa avrebbe dovuto assumere per effetto delle precedenti componenti.

Quest’ultima ipotesi presuppone un’indipendenza delle cause; nel caso in cui, invece, si ritiene che le cause siano dipendenti, si preferisce utilizzare il modello moltiplicativo:

) ( * ) ( * ) ( ) (t T t S t A t D =

Non sempre tutte le componenti di cui sopra sono presenti in una serie storica infatti si possono avere delle serie stazionarie, stagionali o con trend.

Normalmente in sede di programmazione della produzione , la stima della futura richiesta viene effettuata , esclusivamente , in base alle componenti di trend e di stagionalità. E’ facile verificare che una serie storica può essere caratterizzata mediante quattro modelli:

1. Stazionari. L’andamento della domanda appare distribuito intorno ad un valore medio ed ogni scostamento da tale può essere attribuito solo a cause aleatorie D(t)=T(t)=cost; 2. con trend: l’andamento della domanda è continuamente crescente o decrescente al variare

del tempoD(t)=T(t)=s+mt;

3. stagionale: la domanda presenta una variazione con periodicità accertataD(t)=S(t), 4. stagionale con trend : l’andamento della domanda è caratterizzato dalla presenza di una

componente di trend ed una componente di stagionalità. ) ( * ) ( ) (t T t S t D = oD(t)=T(t)+S(t). Componente di trend

Per trend di una serie temporale s’intende la tendenza , negativa o positiva, che i dati manifestano ed è imputabile ad una causa sistematica che agisce nello stesso senso per un periodo più o meno lungo, da non confondere con quei fenomeni perturbatori, casuali, che producono delle oscillazioni non deterministicamente valutabili.

Esistono diversi andamenti possibili della T(t) :

t t

mt s t T( )= + . 2 ) (t s mt ct T = + +

Il modello più utilizzato per la componente di trend della domanda è quello analiticamente rappresentabile mediante un polinomio di primo grado:

mt s t

T( )= +

In realtà l’andamento è tutt’altro che lineare , ma visto che ci occupiamo di quello che succede su una finestra della curva di trend è più che plausibile l’approssimazione con una retta:

In altre parole se confrontiamo la curva nel tratto storico O_p con una retta di parametri s, m non commetteremo un errore significativo , sempre che i parametri , in funzione del tempo, vengano ricalcolati man mano che ci si sposta.

L’andamento della serie storica riportata su di un diagramma può essere rappresentato da un’insieme di punti qualsiasi ; siamo interessati ad individuare la retta r , di parametri s e m, che approssimi al meglio questi punti(retta interpolare). Per far ciò possiamo ricorrere al metodo dei minimi quadrati.

Consideriamo l’istante

t

₁generico : la domanda reale è definita da D(

t

₁) ma, se in luogo della serie storica adoperassimo, per rappresentare il fenomeno , la retta r individueremmo per lo stesso punto un’ordinata

T

(

t

)

=

s

+

mt

₁, commettendo con tale rappresentazione lineare, un errore quadratico nel punto pari: [D(t₁)−(s+mt₁)]2.

In definitiva , per n punti si ricerca quella retta di parametri s e m che renda minima la sommatoria degli scarti al quadrato(EVITA FENOMENI DI COMPENSAZIONE):

Min

mt

s

t

D

−

+

=

∑

2 1 1

)

(

)]

(

[

In tal senso, si assumeranno come parametri caratteristici della componente di trend i coefficienti della retta che meglio approssima l’insieme dei dati a disposizione.

0 ) )] ( ) ( [ ( 1 − + 1 2 = ∂ ∂

∑

D t s mt s 0 ) )] ( ) ( [ ( 1 − + 1 2 = ∂ ∂

∑

D t s mt m

Sviluppando i calcoli e risolvendo in funzione di s e m si ottengono i seguenti valori dei parametri:

n t m t D s=

∑

(1)−

∑

1

( )(

)

( )

2 1 2 1 1 1 1 1

(

)

(

)

∑

∑

∑

∑

∑

−

−

=

t

t

n

t

D

t

t

D

t

n

m

Nel caso in cui si scelga di porre l’origine dell’asse dei tempi sul valore medio si ha:

( )

∑

t

1

=

0

Il che comporta per i coefficienti della retta di regressione la forma:

n t D s=

∑

(1)

∑

∑

= ₂ 1 1 1 ( ) t t D t m

Componente di stagionalità

Alla tendenza di lungo termine (trend) si possono sovrapporre fenomeni ciclici che si ripetono in maniera periodica e che vengono attribuiti agli effetti della componente stagionale sull’andamento di base della domanda .

Al fine di identificare analiticamente tali effetti, occorre innanzitutto suddividere gli N_p periodi che costituiscono la serie storica in cicli di uguale lunghezza k. Alla funzione S(t) verrà quindi

assegnato un valore S_j con j=1,2….,k (S_j, rappresenta in rapporto tra la media della domanda di tutti i periodi j e la media della domanda di tutti i periodi N).

La stagionalità può essere trattata secondo due modelli:

additivo: D(t)=T(t)+S(t) moltiplicativo: D(t)=T(t)*S(t)

Qualora il fenomeno abbia una tendenza di lungo periodo (trend), descritta dalla retta r(a,b), il caso più semplice di stagionalità si ha rappresentando il ciclo con una sinusoide. Pertanto, fissato un istante t, ad

OA

, che rappresenta la componente di trend , dobbiamo sommare la componente

stagionale AB; il modello additivo si complica nel caso in cui la componente di trend cresca linearmente con t, infatti il valoreS_j rimane costante sicché l’incidenza percentuale della

componente periodica diminuisce proporzionalmente con il trascorrere del tempo , converrà, in tal caso, correlare direttamente l’andamento della componente stagionale con quello della

BIBLIOGRAFIA

Giuseppe Bellandi , Economia e gestione dell’impresa ,UTET Libreria Srl,Torino,1993. Roberto Chiavaccini Paolo Pratali, Progettare i processi di impresa, Franco Angeli

Giuseppe Bellandi, Il marketing engineering del prodotto, Servizio Editoriale Universitario di Pisa Progetto txt sc&cm, Revisione production planning , Statement of work